基于电子医疗记录的脊髓损伤康复计划决定的比较实验研究
Botao Qie1,2, Xin Guo1,3,2, Wei Chen4
1School of Artificial Intelligence and Data Science, Hebei University of Technology, Tianjin, 300401, China.
Heliyon
|September 10, 2024
概括
这项研究引入了改进的MLSMOTE框架,以加强使用电子医疗记录 (EMR) 进行脊髓损伤 (SCI) 患者康复的决策. 该模型有效地解决了数据不平衡,提高了物理治疗处方预测的准确性.
科学领域:
- 医疗信息学 医疗信息学
- 康复医学 康复医学 康复医学
- 机器学习 机器学习
背景情况:
- 电子医疗记录 (EMR) 对患者健康信息至关重要.
- 使用EMR进行辅助诊断对于脊髓损伤 (SCI) 患者康复至关重要.
- 有效的SCI康复计划需要准确的决策模型.
研究的目的:
- 为SCI患者康复计划提出一个新的决策模式.
- 利用电子医疗记录 (EMR) 改善诊断和治疗规划.
- 提高SCI患者预测物理治疗 (PT) 处方的准确性.
主要方法:
- 构建了1252名SCI患者的EMR数据集,并进行了数据预处理.
- 采用随机森林 (RF) 算法进行特征提取.
- 利用改进的MLSMOTE多标签学习框架来处理类不平衡,并使用七种分类模型预测PT处方.
主要成果:
- 改进的MLSMOTE框架有效地解决了EMR数据中的类不平衡.
- 与其他六种模型相比,CC模型在绩效指标上显示出显著的改进.
- 取得了0.1388的哈明损失,0.2467的排名损失,以及分别为83.33%,81.20%和79.82%的精度,回忆和F1分数.
结论:
- 提议的改进的MLSMOTE多标签学习框架最大限度地利用EMR数据.
- 这种方法显著提高了SCI患者康复治疗计划决策的准确性.
- 该研究强调了先进的机器学习技术在优化SCI患者护理方面的潜力.
